16 de septiembre de 2024, 7:59 pm.
Aplicar técnicas de datación relativa utilizando la elevación topográfica y la cronología de las rocas.
Realizar cálculos de datación absoluta a partir de porcentajes isotópicos remanentes, empleando fórmulas matemáticas.
Calcular la tasa de denudación anual y proyectarla a largo plazo para diferentes cuencas hidrográficas.
Analizar y comparar los tamaños de clastos de diferentes tipos de rocas en tramos altos y bajos de un río, aplicando métodos estadísticos.
Desarrollar habilidades en la interpretación de datos geológicos y geomorfológicos para comprender los procesos de evolución del relieve.
Usa este mapa geológico con recuadros rotulados, incrustado también a continuación.
Una vez hayas Localizado tu recuadro de 5x5 km, identifica las rocas que hay dentro del cuadro, tanto su tipología, como su edad (si no logras ver las rocas o el mapa es difuso, puedes confirmar con este, o con este o con este otro). Refresca la cronología siguiendo la tabla cronoestratigráfica internacional, usando este enlace o este otro.
Redacta un párrafo que sintetice la evolución del relieve, con sus dataciones relativas debidamente identificadas.
Enviaste una muestra para datación por radioisótopo 14C al laboratorio, y te reportaron que el porcentaje remanente es el asignado abajo (usa los dos dígitos terminales de tu matrícula para encontrar el porcentaje asignado a ti). Usa la fórmula N0=Ne-λt y la tabla 6.1 de Anderson and Anderson (2010) para calcular la edad aproximada de la muestra. Interpreta el resultado.
| Dos dígitos terminales de matrícula | Porcentaje remanente |
|---|---|
| 00 | 47 |
| 01 | 32 |
| 02 | 43 |
| 03 | 21 |
| 04 | 61 |
| 05 | 31 |
| 06 | 12 |
| 07 | 19 |
| 08 | 30 |
| 09 | 67 |
| 10 | 8 |
| 11 | 81 |
| 12 | 87 |
| 13 | 29 |
| 14 | 85 |
| 15 | 83 |
| 16 | 94 |
| 17 | 13 |
| 18 | 3 |
| 19 | 77 |
| 20 | 6 |
| 21 | 70 |
| 22 | 37 |
| 23 | 84 |
| 24 | 57 |
| 25 | 53 |
| 26 | 45 |
| 27 | 97 |
| 28 | 75 |
| 29 | 64 |
| 30 | 82 |
| 31 | 59 |
| 32 | 91 |
| 33 | 74 |
| 34 | 62 |
| 35 | 80 |
| 36 | 38 |
| 37 | 14 |
| 38 | 51 |
| 39 | 76 |
| 40 | 20 |
| 41 | 46 |
| 42 | 79 |
| 43 | 16 |
| 44 | 66 |
| 45 | 28 |
| 46 | 44 |
| 47 | 11 |
| 48 | 89 |
| 49 | 34 |
| 50 | 39 |
| 51 | 78 |
| 52 | 49 |
| 53 | 63 |
| 54 | 50 |
| 55 | 10 |
| 56 | 48 |
| 57 | 42 |
| 58 | 88 |
| 59 | 65 |
| 60 | 54 |
| 61 | 90 |
| 62 | 55 |
| 63 | 2 |
| 64 | 26 |
| 65 | 68 |
| 66 | 27 |
| 67 | 60 |
| 68 | 40 |
| 69 | 41 |
| 70 | 56 |
| 71 | 7 |
| 72 | 36 |
| 73 | 71 |
| 74 | 24 |
| 75 | 18 |
| 76 | 25 |
| 77 | 4 |
| 78 | 22 |
| 79 | 58 |
| 80 | 33 |
| 81 | 15 |
| 82 | 72 |
| 83 | 23 |
| 84 | 5 |
| 85 | 17 |
| 86 | 9 |
| 87 | 98 |
| 88 | 35 |
| 89 | 99 |
| 90 | 93 |
| 91 | 92 |
| 92 | 95 |
| 93 | 0 |
| 94 | 69 |
| 95 | 73 |
| 96 | 1 |
| 97 | 96 |
| 98 | 52 |
| 99 | 86 |
Redacta un párrafo interpretativo sobre el resultado.
Para fines de referencia, la presentación correspondiente a este tema se encuentra alojada aquí.
Cálcula la tasa de denudación anual y la denudación al cabo de 30 años, de tu cuenca (elige una de las 20 de abajo). Realiza tu cálculo utilizando la fórmula de la tasa de denudación anual (Td):
Td = (TTS/A)/ρ
donde TTS es la tasa de transporte de sedimentos, A es el área de la cuenca y ρ es la densidad promedio de las rocas de la cuenca.
Interpreta tu resultado comparando con otros casos o respondiendo a preguntas tales como “Si la TTS, A o ρ fuesen menores o mayores, ¿sería mayor o menor la Td?
IMPORTANTE: no olvides transformar las unidades a un sistema común.
| estudiante | tamaño (km cuad.) | densidad rocas (g por cm cúbicos) | tasa transporte sed (kg/año) |
|---|---|---|---|
| Estudiante 1 | 565.9224 | 3.032822 | 110478989 |
| Estudiante 2 | 574.8302 | 2.497097 | 113510626 |
| Estudiante 3 | 314.4558 | 3.092224 | 57094933 |
| Estudiante 4 | 532.1791 | 3.062668 | 116534913 |
| Estudiante 5 | 456.6982 | 2.457706 | 90113888 |
| Estudiante 6 | 407.6384 | 2.759948 | 89005273 |
| Estudiante 7 | 494.6353 | 2.673142 | 106617387 |
| Estudiante 8 | 253.8666 | 3.034017 | 52213064 |
| Estudiante 9 | 462.7969 | 2.712879 | 101293031 |
| Estudiante 10 | 482.0259 | 2.985203 | 98716579 |
| Estudiante 11 | 383.0967 | 2.916317 | 74087215 |
| Estudiante 12 | 487.6449 | 2.967739 | 94558961 |
| Estudiante 13 | 573.8689 | 2.671676 | 112465053 |
| Estudiante 14 | 302.1715 | 2.879619 | 63893895 |
| Estudiante 15 | 384.9171 | 2.402764 | 69901840 |
| Estudiante 16 | 576.0058 | 2.983041 | 120954331 |
| Estudiante 17 | 591.2906 | 2.405134 | 122469376 |
| Estudiante 18 | 246.9949 | 2.545361 | 46174035 |
| Estudiante 19 | 389.9988 | 3.034621 | 74291887 |
| Estudiante 20 | 424.1331 | 2.828245 | 85092451 |
Figure 1: Distribución de muestras de clastos tomadas en el canal del río Ocoa en distintos tramos
Como indicador indirecto del potencial erosivo, utiliza los datos de muestras de clastos tomadas en la cuenca del río Ocoa, que se encuentran alojados en data/clastos.csv. Compararás el tamaño de los clastos de los tipos de rocas que sean comunes entre tus dos muestras asignadas (filtra según el campo codigo_lugar del archivo). Reserva el par “Estudiante 1” al Tali.
| Estudiante | Muestra 1 | Muestra 2 |
|---|---|---|
| Estudiante 1 | LPRO_03 | RBAT_06 |
| Estudiante 2 | LPRO_03 | RBAT_07 |
| Estudiante 3 | LPRO_03 | AARO_02 |
| Estudiante 4 | LPRO_03 | RBAT_07 |
| Estudiante 5 | LPRO_02 | LLRO_01 |
| Estudiante 6 | LPRO_02 | RBAT_03 |
| Estudiante 7 | LPRO_02 | EPCC_03 |
| Estudiante 8 | LPRO_03 | RBAT_05 |
| Estudiante 9 | LPRO_01 | POMI_01 U9AL01_R1 |
| Estudiante 10 | LPRO_01 | RBAT_01 |
| Estudiante 11 | LPRO_03 | RBAH_02 |
| Estudiante 12 | LPRO_03 | PARO_01 |
| Estudiante 13 | LPRO_02 | RBAH_03 |
| Estudiante 14 | LPRO_02 | AARO_08 |
| Estudiante 15 | LPRO_02 | LLRO_03 |
| Estudiante 16 | LPRO_01 | POMI_01 U9AL01_R1 |
| Estudiante 17 | LPRO_01 | EPCC_03 |
| Estudiante 18 | LPRO_03 | RBAT_06 |
| Estudiante 19 | LPRO_03 | RBAT_06 |
| Estudiante 20 | LPRO_01 | LLRO_03 |
Cada muestra contiene, aproximadamente, 100 clastos de distintos tipos de litologías medidos en tres ejes: largo, ancho y espesor. Fijándote en el mapa de arriba, notarás que una de tus muestras representa el tramo alto del río, la otra el tramo bajo.
Como en el aula sólo tienes acceso a un móvil (quizá también puedes usar una de las pocas PCs activas para acceder al servidor RStudio, pero recuerda usar una ventana incógnito preferiblemente), puedes usar el servidor RStudio. Intenta pegar el código a continuación en R (si no lo ves, presiona el botón Show), cambiando los nombres de tus muestras (IMPORTANTE: no te funcionará ejecutar el código tal como está, debes comprenderlo y editarlo; de lo contrario, tu práctica quedará mal). No es recomendable que lo intentes sólo con la calculadora, porque sería muy largo.
# Cargar las librerías necesarias para el análisis de datos
library(tidyverse) # Incluye ggplot2, dplyr, tidyr, etc., para manipulación y visualización de datos
library(skimr) # Herramienta para obtener resúmenes estadísticos
source('R/funciones.R') # Cargar funciones adicionales definidas en un archivo externo
# Crear un archivo temporal para almacenar los datos descargados
archivo_temp <- tempfile()
# Definir la URL base desde donde se descargarán los datos
url_base <- 'https://raw.githubusercontent.com/geofis/tiempo-en-geomorfologia/master'
# Definir la ruta del archivo de datos dentro del repositorio
ruta_clastos <- '/data/clastos_con_identificacion_litologia.csv'
# Descargar el archivo de datos del repositorio a la ubicación temporal
download.file(url = paste0(url_base, ruta_clastos), destfile = archivo_temp)
# Leer el archivo CSV descargado y almacenarlo en el objeto 'datos'
datos <- read_csv(archivo_temp)
# Filtrar los datos para incluir solo las observaciones de los lugares asignados
# Sustituyan 'LPRO_03|RBAT_06' por los códigos de lugar que se les hayan asignado
mis_datos <- datos %>% filter(grepl('LPRO_03|RBAT_06', codigo_lugar))
# Agrupar los datos filtrados por 'codigo_lugar' y seleccionar solo las columnas numéricas
# Luego, aplicar la función 'resumenes_est()' para obtener resúmenes estadísticos
mis_datos %>%
group_by(codigo_lugar) %>%
select_if(is.numeric) %>%
resumenes_est()
# Renombrar las columnas de interés para que sean más descriptivas
# Convertir los datos a un formato largo, para facilitar la visualización
mis_datos %>%
rename(
Lugar = codigo_lugar,
Largo = largo_en_mm,
Ancho = ancho_en_mm,
Espesor = espesor_en_mm) %>%
pivot_longer(cols = matches('Lar|An|Es', ignore.case = F),
names_to = 'Dimensión',
values_to = 'mm') %>%
mutate(Dimensión = factor(
Dimensión,
levels = c('Largo', 'Ancho', 'Espesor'))) %>%
ggplot + aes(x = Lugar, y = mm, fill = Lugar) +
geom_boxplot(alpha = 0, width = 0.3, color = "#808080") + # Crear un boxplot con los datos
geom_violin(alpha = 0.6, width = 0.8, scale = 'width') + # Añadir un violin plot para mostrar la distribución
ylim(0, NA) + # Establecer el límite inferior del eje y en 0
theme_bw() + # Usar un tema de fondo blanco para el gráfico
theme(legend.position = 'none', text = element_text(size = 18)) + # Ajustar la leyenda y el tamaño del texto
scale_x_discrete(labels = function(x) str_wrap(x, width = 10)) + # Ajustar las etiquetas del eje x para mejorar la legibilidad
facet_grid(~ Dimensión) # Crear facetas para cada dimensión (Largo, Ancho, Espesor)
# Realizar una prueba t de Student para comparar las medias de 'ancho_en_mm' entre diferentes lugares
t.test(ancho_en_mm ~ codigo_lugar, mis_datos)
Compara si los tamaños en el eje de anchura (campo ancho_en_mm) difieren significativamente entre la muestra de tramo alto y la de tramo bajo. Para ello, primero determina cuántos clastos de cada roca hay por cada muestra, luego obtén la media de la anchura, y evalúa dónde dicha media es mayor o menor, si en la muestra de tramo alto o en la de tramo bajo. Utiliza una prueba estadística para determinar si se trata de una diferencia significativa. Interpreta el resultado sobre la base de la inteperización y el tiempo en geomorfología.
Para que puedas visualizar las posiciones de las muestras, intenta abrir el mapa de arriba con detenimiento (si abres este cuaderno en su versión HTML, tendrás un mapa interactivo). Verás que dicho mapa agrupa las muestras del mismo código como un único punto, por ejemplo, “LPRO_01” a “LPRO_03” se agrupan bajo el punto “LPRO”.
Si lo deseas (no es imprescindible), puedes ver un mapa de los puntos en su máximo detalle. Descarga el archivo KML data/posiciones_muestras.kml, el cual contiene los puntos de muestras desagregados. Cárgalo en QGIS o en GoogleEarth. Dado que la densidad de puntos por unidad de área puede ser muy grande en determinadas zonas, debes acercarte mucho para visualizar tus puntos asignados.